Ruby的XML格式数据解析库Nokogiri的使用进阶

下面是关于“Ruby的XML格式数据解析库Nokogiri的使用进阶”的详细说明：

Nokogiri 是什么？

Nokogiri 是一个 Ruby 实现的 XML 和 HTML 解析库，它使用非常流行的 libxml2 库作为解析器。它可以跨平台地运行（Windows、Mac 和 Linux），在现实开发中非常实用。

安装 Nokogiri

安装 Nokogiri 前，需要先安装 libxml2 和 libxslt 库，对于 Debian 或者 Ubuntu 用户，可以通过以下命令进行安装：

sudo apt-get install libxml2-dev libxslt-dev

其他 Linux 发行版或 Mac 用户可以通过手动编译进行安装。

安装完成以上依赖后，只需执行以下命令即可安装 Nokogiri：

gem install nokogiri

Nokogiri 常用方法

解析 XML 或 HTML

在 Ruby 中，使用 Nokogiri 来解析 XML 或 HTML 可以使用以下代码：

require 'nokogiri'

doc = Nokogiri::XML(File.read('hello.xml'))

这里通过 File.read 来读取并解析 XML 文件 hello.xml，解析后的文档内容存储在 doc 中。

查找节点

查找节点可以使用 XPath 或 CSS 选择器两种方式，例如使用 XPath 进行查找：

doc.xpath('//book')

这里的 //book 表示查找所有的 book 节点。如果使用 CSS 选择器进行查找：

doc.css('book')

这里的 book 表示查找所有的 book 节点。不同的是，CSS 选择器可以比 XPath 更加灵活，例如可以使用 .class 来查找某个 class，使用 #id 来查找某个 id。

获取节点值

获取节点的值非常简单，可以使用 content 或 text 来获取，例如：

nodeset = doc.xpath('//book')
nodeset[0].content
nodeset[0].text

这两行代码将会输出第一个 book 节点的内容。

示例 1：解析 XML 文件

我们来看一个实际的例子，假设我们有以下的 XML 文档：

<books>
  <book id="1">
    <title>Learning XML</title>
    <author>Erik T. Ray</author>
    <price>29.99</price>
  </book>
  <book id="2">
    <title>Programming Ruby</title>
    <author>Dave Thomas</author>
    <price>49.95</price>
  </book>
</books>

我们可以使用 Nokogiri 来解析该 XML 文档，代码如下：

require 'nokogiri'

doc = Nokogiri::XML(File.read('books.xml'))

doc.xpath('//book').each do |book|
  puts "ID: #{book.attr('id')}"
  puts "Title: #{book.xpath('title').text}"
  puts "Author: #{book.xpath('author').text}"
  puts "Price: #{book.xpath('price').text}"
  puts
end

输出结果如下：

ID: 1
Title: Learning XML
Author: Erik T. Ray
Price: 29.99

ID: 2
Title: Programming Ruby
Author: Dave Thomas
Price: 49.95

这里我们使用了 each 函数遍历了所有的 book 节点，使用了 attr 来获取节点的属性值，使用 text 来获取节点的文本内容。

示例 2：解析 HTML 网页

我们可以使用 Nokogiri 解析 HTML 页面，例如：

require 'nokogiri'
require 'open-uri'

doc = Nokogiri::HTML(open('https://www.baidu.com'))

# 查找所有的链接
doc.css('a').each do |link|
  puts link.content
  puts link.attr('href')
  puts
end

这段代码很好理解，使用 open-uri 来打开 URL https://www.baidu.com，然后查找所有的链接，并输出链接的文本内容和 href 属性。